Sesión N : 6 °
Pronóstico de ventas
Lic.. Fanny Cabrera Caballero Lic
Copyright © Mayo de 2017 por TECSUP
Repaso / Saberes previos ¿Cuáles son los pasos para la constitución constitució n y formaliz formalización ación de una empresa?
¿Qué es pronóstico?
¿Se pueden predecir los ingresos?
Problematización
Logro de la sesión Al finalizar la sesión el estudiant estudiante: e: •
Elabora pronósticos utilizando métodos cuantitativos con la finalidad de disminuir la inccert in rtid idu umb mbre re en el cálculo de los pre ressupuestos.
Motivación
Agenda 1. Definiciones 2. Métodos cualitativos. 3. Métodos cuantitativos.
¿Qué es un Pronóstico? •
•
•
Es la predicción de lo que sucederá en el futuro sobre una variable en particular. Se usa para la planificación. Ejemplo: la demanda de un producto.
Los pronósticos se emplean en:
Finanzas y Contabilidad Mercado Producción
Planeación presupuestaria y el control de los costos Planear nuevos productos Planeación de la capacidad, la distribución de instalaciones, y la misma planeación, programación de la producción e inventarios
En las organizaciones los pronósticos se utilizan para tres propósitos importantes: •
•
•
Decidir si la demanda es suficiente para justificar la entrada al mercado. Determinar las necesidades a largo plazo de la capacidad para el diseño de instalaciones. Determinar las fluctuaciones a corto plazo en la demanda para la planeación de la producción, la programación de la fuerza de trabajo, la planeación de los materiales y otras necesidades.
5 patrones básicos aplicables a la demanda
Patrones de la Demanda
Demanda estacional
Demanda con tendencia
1200
1000
1000
800
800
600
600
400
400
200
200
0 1 2 Crecimiento
3 Nivelada
0
Demanda 4 5 Horizontal Decrecimiento
Incremento o decremento sistemático de la media Fluctuación de la serie a través del tiempo.
de los
Quarter 1 2 3 4 5 6 7 8 9 10 11 12 Según la temporada, tienen lugar en un periodo tiempo a dado se repiten (hora del día, la datosde entorno unay medida semana, el mes, temporada)
constante.
Resultado de hechos fortuitos, no existe un patrón reconocible de los datos (imprevisible).
Proviene de: guerra, condiciones económicas, moda, vacaciones, etc. (años o decenios)
Demanda aleatoria 1500 1000
Demanda cíclica 800 600 400
500 0
200 0 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1
Métodos de Pronósticos
Cuantitativo
Cualitativo
No necesita del juicio para desarrollar pronósticos.
Proceso que no requiere manipulación de datos, solo se usa el juicio del pronosticador
Son aquellos que emplean modelos matemáticos, estadísticos y los datos históricos para predecir el futuro.
Métodos Causales Usan datos históricos de variables independientes como: campañas de promoción, condiciones económicos y actividades de la competencia.
Son aquellos que dependen de conjeturas adquiridos con base en la intuición y la experiencia de la empresa. Son de naturaleza subjetiva. Métodos de Juicio
Método de Análisis de Serie de Tiempo Método estadístico que depende del alto grado de datos históricos de la demanda, con los que proyecta la magnitud futura de la misma, reconoce las tendencias y patrones estacionales.
Las opiniones de gerentes y expertos, los resultados de las encuestas a lo consumidores, y las estimaciones del personal de venta se traducen en estimaciones cuantitativas. Ejemplo: Ingreso de un nuevo producto al mercado.
Métodos Cualitativos: Investigación de Mercado Consenso de Expertos (Opinión Ejecutiva) Estructura de la Fuerza de Ventas Método Delphi
• Encuestas • Entrevistas • Plan de compra y comportamiento. • Muestra grande • Puede ser costosa. • Requiere mucho tiempo.
• Se pide a cada vendedor proyectar sus
ventas. Las proyecciones luego se combinan a nivel: Zonal, Provincial, Regional. •
Basa en el comportamiento de las ventas de un producto similar. • Comparación puede ser: sustituto o complementario. •
Analogía de productos Usa: productos Nuevos
Oculta identidad de las personas que participan en el estudio dando la misma importancia. Proceso largo.
Métodos Cuantitativos: Los modelos series de tiempo predicen sobre la base de la suposición de que el futuro es una función del pasado. En otras palabras, ven lo que ha pasado en un periodo de tiempo y usan una serie de datos pasados para hacer el pronóstico. Enfoque simplista
Promedio Móvil Promedio Móvil Ponderado Suavización Exponencial Proyección de Tendencia Índices Estacionales
Enfoque Simplista •
•
•
Asume que la demanda del siguiente periodo es justamente igual a la demanda en el periodo más reciente. Algunas empresas emplean este método porque es el modelo de pronósticos más eficiente en costo y más objetivo ya que ofrece por lo menos un punto de partida. El método más sencillo es el método del último valor:
Ventas
Por ejemplo: Si las ventas de julio fueron 50, las ventas de agosto también serán 50
Hoy
Pronóstico Ventas
Mañana
Ejemplo – Método del último valor Periodo
Demanda
Pronóstico
error
1
42
2
52
42
10
3
54
52
2
4
65
54
11
5
51
65
-14
6
64
51
13
Promedio Móvil •
•
El promedio móvil es útil si se asume que la demanda del mercado será más o menos constante durante un determinado periodo de tiempo. Es la media aritmética de los n periodos más recientes.
Donde: “n” es el número periodos en el promedio móvil.
Ejemplo – Promedio Móvil
Periodo
Demanda
Promedio Móvil n= 3 n=4
1
42
2
52
3
54
4
65
49.33
5
51
57.00
53.25
6
64
56.67
55.50
Promedio Móvil Ponderado •
•
•
Se usa cuando existe una tendencia o patrón, los pesos pueden ser utilizados para darle más énfasis en los valores recientes. Técnica más sensible a los cambios recientes, ya que los periodos recientes tienen mayor peso. La elección de los pesos es arbitraria, ya que no existe ninguna fórmula para determinarlos.
Ejemplo – Promedio Móvil Ponderado Mes
Ventas
Ene
10
Feb
12
Mar
13
Abr
16
May
19
Jun
23
Jul
26
Ago
30
Set
28
Oct
18
Nov
16
Dic
14
Promedio Móvil Ponderado
[(3x13)+(2x12)+(1x10)]/6 = 12.16
Suavización Exponencial Simple •
•
•
•
Este método puede dar una ponderación mayor a las observaciones más recientes. Útil cuando se cuenta con pocos datos históricos, patrones de demanda con tendencia (localmente) y un patrón estacional constante. Las ponderaciones se asignan mediante la constante α, 0 < α < 1 (número entre 0 y 1). El modelo se expresa como:
Ejemplo – Suavización Exponencial Simple En Febrero, un agente de viajes que se especializa en cruceros pronóstico una demanda en Marzo para 142 cruceros de una semana. La demanda real de Marzo fue de 153 cruceros. Utilizando una constante de suavización de α = 0.20, podemos pronosticar la demanda para Abril usando el modelo de suavización exponencial.
Pabril = 142+0.2*(153 – 142) Pabril = 144.20
Ejemplo – Suavización Exponencial Simple
t
Yt
1
42
42
42
2
52
42
42
3
54
43.00
47.00
4
65
44.10
50.50
5
51
46.19
57.75
6
64
46.67
54.38
α
= 0.1
α
= 0.5
Suavización Exponencial Doble o
Es una modificación del suavizamiento exponencial simple. Agrega una constante de suavización delta (δ), cuya función es reducir el error que ocurre entre la demanda real y el pronóstico.
o
Usa tres ecuaciones:
Suavización exponencial = del periodo t
α
Tendencia del periodo t = β
Pronóstico del periodo t
Suavización Tendencia = exponencial + del del periodo t periodo t
Suavización Pronóstico del Tendencia del + (1 - α) exponencial del + periodo t -1 periodo t-1 periodo t-1
Suavización Suavización exponencial - exponencial + del periodo t del periodo t-1
Tendencia (1 - β) del periodo t-1
Proyección de Tendencias Esta técnica ajusta una línea de tendencia a una serie de puntos de datos históricos y después proyecta la línea hacia el futuro para pronosticar con un rango de mediano y largo plazo. pueden desarrollar ecuaciones matemáticas con o Se tendencias: lineales, cuadráticas y exponenciales. Para desarrollar una línea de tendencia lineal se puede aplicar el método de los mínimos cuadrados. o
Donde: Y = pronóstico para el periodo (variable dependiente) a + b = parámetros que se determinan. X = tiempo, periodo (variable independiente)
Ejemplo – Proyección Con Tendencia
Año
Periodo
Demanda
X^2
XY
2009
1
74
1
74
2010
2
79
4
158
2011
3
80
9
240
2012
4
90
16
360
2013
5
105
25
525
2014
6
142
36
852
2015
7
122
49
854
ƩX = 28
ƩY = 692
ƩX^2 = 140
ƩXY = 3063
Ejemplo – Proyección Con Tendencia Cálculo de la pendiente b=
nƩxy - ƩxƩy 2
nƩx - (Ʃx)
Dónde: b = pendiente de línea de regresión x = variable de la variable independiente x = promedio de los valores de x y = promedio de los valores de y N = número de eventos
2
Proyección de Tendencias x=
28
4
y = 692 98.86
7 b=
b=
a= y= 2016
7
nƩxy - ƩxƩy 2
nƩx - (Ʃx)
2
(7)(3063) - (28)(692) (7)(140) - (28)^2 56.71 141
=
2065 196
=
10.54
Índices Estacionales •
Un índice estacional es una razón que relaciona una variación estacional con el valor de tendencia correspondiente en un tiempo dado. Pronóstico = Estacional
Índice Estacional
=
=
=
Pronóstico de Tendencia
"" ñ
"" ñ
Ejemplo – Índices Estacionales La empresa de software Megasoft tiene disponibles los datos de ventas de notebooks de los últimos 2 años, divididos en 8 trimestres. Si la demanda esperada para el próximo año es de 2000 notebooks, estime la demanda para los próximos 4 trimestres llevando en cuenta el factor estacional. Trimestre Demanda Trimestre
Demanda
1
300
5
416
2
540
6
760
3
885
7
1191
4
580
8
760
Error de Pronóstico Error y Desviación Media Absoluta o
Para evaluar “α” se calcula el error (ERROR) del pronóstico y la desviación media absoluta (DMA) respectivamente. Error = Demanda - Pronóstico DMA = Ʃ (Error) / n = × 100
Actividad práctica grupal
Ejercicio N 01: °
PROMEDIO MÓVIL La empresa Delicia S.A. de C.V. desea elaborar el pronóstico de ventas (o de la demanda) para uno de sus productos de mayor demanda en el mercado se le conoce como “chicharrones Deli“, este pronóstico de la demanda se requiere para el mes de octubre de 2016, para lo cual se debe considerar que n= 2, 3, 4. Sabiendo que los últimos meses el área de mercadotecnia ha registrado la información histórica que se indica en la siguiente en la siguiente tabla: Determinar el error del pronóstico.
Períodos
Demanda
Mensuales
(D)
Enero
30
Febrero
35
Marzo
28
Abril
20
Mayo
25
Junio
30
Julio
35
Agosto
40
Setiembre
50
Octubre
¿?
Ejercicio N 02: °
PROMEDIO MÓVIL PONDERADO
Las ventas de cobertizos de una empresas se muestran en la siguiente tabla:
Mes Enero Febrero Marzo
Ventas Reales 10 13 14
Calcular el promedio móvil para Abril usando los 3 meses, asignar las ponderaciones 1,3 y 6
Ejercicio N 03: °
SUAVIZACIÓN EXPONENCIAL SIMPLE ABC es una empresa que se dedica a la fabricación de artículos higiénicos, el gerente de mercadotecnia está interesado en conocer el pronóstico de ventas para el mes de octubre del 2016, su exigencia le conduce a utilizar factores de ponderación para α = 0.1, 0.2 y 0.3. Para lo cual se cuenta con la siguiente información histórica que se indica a continuación. El cálculo del pronóstico deseado se deberá obtener por SES.
Periodos Demanda (D) Mensuales Mayo
100
Junio
120
Julio
130
Agosto
120
Septiembre
140
Octubre
¿?
Ejercicio N 04: °
SUAVIZACIÓN EXPONENCIAL DOBLE Chocolates “Chocolatín” S.A, está interesada en conocer el pronóstico de ventas o de la demanda para el primer trimestre del año 2017, Periodos Demanda (D) para lo cual usará AED, considerándose 3 Mensuales factores de ajuste: 0.2, 0.25 y 0.35. La demanda está expresada en miles. Tanto el gerente de Junio 150 mercado como el de producción de la empresa 180 están interesados en ver gráficamente el Julio comportamiento de la demanda de este Agosto 200 producto a través de: • Datos o registros históricos Septiembre 120 • El mejor pronóstico obtenido por SES Octubre 140 • El mejor pronóstico obtenido por SED • Los resultados obtenidos para el primer trimestre del año del 2017-02-23 .
Ejercicio N 05: °
PROYECCIÓN CON TENDENCIA Panasonic, empresa internacional en su área de pilas desechables, desea calcular el pronóstico de ventas para el año 2003, teniendo como antecedentes los datos que se muestran en la tabla. El cálculo del pronóstico se deberá emitir mediante la formula general y corroborarse con el método simplificado que corresponda.
a. Períodos
Ventas (miles)
1990
85
1991
89
1992
92
1993
95
1994
93
1995
98
Ejercicio N 06: °
ÍNDICES DE ESTACIONALIDAD Teniendo como referencia la información histórica que se indica en la siguiente tabla, determine el pronóstico para el año 2003 y ajústelo mediante índices de estacionalidad.
BIMESTRES
Períodos (anuales)
1o
2o
3o
4o
5o
Total
6º
1991
80
120
130
100
90
120
640
1992
55
140
140
105
95
125
660
1993
84
160
150
105
94
125
718
1994
83
170
155
110
93
130
741
1995
81
175
160
100
92
140
748
å
383
765
735
520
464
640
3507
Actividad práctica grupal La demanda de sillas durante los últimos 24 meses se resumen en la tabla. MES t
Demanda Yt
Mes t
Demanda Yt
Mes t
Demanda Yt
1
46
9
50
17
70
2
56
10
56
18
66
3
54
11
47
19
57
4
43
12
56
20
55
5
57
13
54
21
52
6
56
14
42
22
62
7
67
15
64
23
70
8
62
16
60
24
72
Con la técnica del PMS, pronostique la demanda para el próximo mes. Para n=3 y n=4. Determine el error y cual es el mejor pronóstico.
a) Del ejercicio anterior estime la demanda para t = 25, basada
en n= 5, y n= 6. b) Determinar el error del pronóstico en cada caso. c)
Cuál es el pronóstico que mejor se ajusta a los datos históricos?
En la siguiente tabla se muestra la cantidad de personas que llegan a un centro turístico en auto y en avión, durante un periodo de 10 años. Determine las demandas para el año 2012 mediante el PMS. Si n=3 y n=4. AÑO
2002 2003
2004
2005
2006
2007
2008
2009
2010
2011
AUTO
1042 1182
1224
1338
1455
1613
1644
1699
1790
1885
AVION
500
540
612
715
790
840
900
935
980
522
La demanda de sillas durante los últimos 24 meses se resumen en la tabla. Técnica de Promedio Móvil Ponderado: PMP MES t
Demanda Yt
Mes t
Demanda Yt
Mes t
Demanda Yt
1
46
9
50
17
70
2
56
10
56
18
66
3
54
11
47
19
57
4
43
12
56
20
55
5
57
13
54
21
52
6
56
14
42
22
62
7
67
15
64
23
70
8
62
16
60
24
72
La demanda para el próximo mes (Pesos: 4,3,2,1 para n=4). Comparar con n=3 pesos: 6,3 y 1). Elegir el mejor pronóstico mediante el error.
Supongamos que la demanda a largo plazo para el producto objeto del estudio es relativamente estable y que la constante () de 0,05 se considera apropiada. Suponga que la proyección del último mes (F t 1) era de 1 050 unidades. Si la demanda real fue de 1 000 y no de 1 050, ¿Cuánto sería la proyección para este mes? –
El hospital general de Lazarte de Essalud ha experimentado una demanda irregular y a menudo creciente de material médico desechable en todo el hospital. La demanda de tubos desechables durante los dos últimos meses ha sido de 300 unidades en septiembre y de 350 unidades en octubre. El antiguo procedimiento de pronóstico consistió en utilizar la demanda promedio del año anterior como pronóstico para cada uno de los meses de ese año. La demanda mensual del año anterior fue de 200 unidades. Utilizando 200 unidades como el pronóstico de la demanda de septiembre y un coeficiente de suavización de 0.7 para dar un mayor peso a la demanda más reciente, el pronóstico para el mes de octubre debería haber sido (t = octubre)
Conclusiones de la Sesión •
•
Indagar por los principales aprendizajes logrados en la sesión Realizar una síntesis o resumen de lo aprendido y comentar brevemente el tema de la siguiente sesión, motivando a los estudiantes a leer previamente sobre el mismo.
Tarea / Asignación de casa
Bibliografía
Horngren, Datar & Rajan (2011). Contabilidad de Costos. Un enfoque Gerencial. México. Pearson Educación.
PRÓXIMA CLASE: MARKETING MIX